Réduire jusqu’à 80 % le temps consacré à certaines tâches : voilà l’une des promesses les plus souvent associées à l’intelligence artificielle. Alors, quand l’occasion s’est présentée de digitaliser un diplôme en utilisant massivement l’IA, j’ai voulu vérifier. Pas sur une tâche de vingt minutes, mais sur un véritable projet de formation, avec des contenus à produire, des experts métier à mobiliser et un diplôme à construire. Je vais donc vous raconter comment, en tant qu’ingénieure pédagogique, j’ai confié une partie de mon travail à une IA. Et pourquoi cela n’a marché qu’à moitié.

Première étape : un diplôme presque rédigé en quelques instants !

Lorsque le projet démarre, je dispose finalement de peu de matière pédagogique exploitable : peu de ressources existantes, peu de contenus rédigés et aucun expert métier disponible en permanence pour m’accompagner. Je choisis alors de m’appuyer sur le référentiel d’évaluation. Capacités visées, critères d’évaluation, situations professionnelles : il décrit précisément ce que l’apprenant devra démontrer et constitue la matière la plus structurée dont je dispose pour organiser le diplôme. Je vois déjà mon diplôme quasiment rédigé ! « IA, gentille IA, peux-tu me structurer vingt capsules pour chaque capacité en prenant appui sur ces données ? » Évidemment, le prompt était rédigé dans les règles de l’art. Le résultat est bluffant. En un temps record, je récupère une structure cohérente de vingt capsules, avec leurs objectifs et leurs contenus. Exit les longues journées à potasser les documents pour en extraire les éléments adéquats ! Et, à ma demande, l’IA affine à volonté, sans jamais râler.

Deuxième étape : les formateurs me ramènent sur terre

Première douche froide : ma proposition de structuration paraît aux experts formateurs assez éloignée de leur façon de travailler. « Tu vois, le référentiel d’évaluation, on l’adapte à la réalité du terrain. Et puis, ce sujet-là, il est évalué dans la capacité C3, mais en fait, il est transversal à la C3 et à la C4, et on le retrouve aussi dans la C1… Tu ne peux pas juste le mettre dans la C3. » Bref, les formateurs me rappellent que le référentiel ne suffit pas à restituer la réalité du terrain. Certains sujets traversent plusieurs capacités et ne peuvent être rangés dans une seule case. Après un temps d’immersion et d’échanges avec eux, je reprends ma copie et relance l’IA. Les capsules sont désormais mieux ajustées, mais je tiens les rênes de mon IA beaucoup plus serrées. À ce stade, le calcul semble encore simple : si elle produit aussi vite, le diplôme devrait être terminé en un temps record. Je confonds alors vitesse de génération et vitesse de production…

Troisième étape : le storyboard, ou les limites de la magie

Chaque capsule sera construite selon la même boucle pédagogique. Je crée donc un synopsis qui servira de document-cadre : contenu, périmètre de la capsule, objectif opérationnel, activités envisagées, public visé… Tout est donné à l’IA. « IA, gentille IA, écris-moi directement le storyboard en suivant ce synopsis. » Résultat : le flop total ! L’IA ne comprend pas, s’égare régulièrement et ne va pas au bout de la rédaction demandée. Me voilà donc à reprendre chaque partie, chaque activité, une à une. À cette étape très encadrée, l’IA devient pertinente pour me faire des propositions, que je trie, je choisis et je recadre. Après quelques capsules coécrites, et à force d’expérience, elle devient plus performante. Mais toujours sous surveillance rapprochée. Indubitablement, je gagne du temps. Mais est-ce que l’IA m’assiste réellement ? Certaines fois, j’en doute. Surtout lorsqu’elle m’explique, pour la dixième fois, que ma proposition est meilleure que la sienne. Singulière impression qu’elle me brosse dans le sens du poil.

Quatrième étape : « Quels sont les points à reprendre ? Tous. »

« Oui, c’est pas mal… mais en vérité, ce n’est pas comme ça qu’on le dirait, ce n’est pas l’approche qu’on prendrait… » Deuxième douche froide. « Quels sont exactement les points à reprendre ? » « … Tous. » La réponse me laisse profondément désemparée. Pourtant, le synopsis, le périmètre et les objectifs avaient été validés ensemble. Ce n’est donc pas le fond du sujet qui pose problème. C’est la manière dont il est traité. Les experts repèrent immédiatement des formulations peu naturelles, des raccourcis techniques ou des choix pédagogiques éloignés de leur pratique. « Ce n’est pas faux. Mais ce n’est pas tout à fait nous. » L’IA produit, l’ingénieur pédagogique structure et scénarise, l’expert valide la justesse métier. En cherchant à automatiser une partie de la conception du diplôme, j’ai surtout découvert combien celle-ci repose sur une succession de métiers, de regards et de validations que l’on a parfois tendance à confondre.

40 % de temps gagné… et une découverte autrement précieuse

Alors, faisons les comptes. La promesse initiale : 80 % de gain de temps. La réalité : environ 40 %. Et pourtant, l’expérience est loin d’être un échec. Au départ, je cherchais à mesurer un gain de temps. À l’arrivée, j’ai surtout découvert la diversité des expertises mobilisées dans la conception d’un diplôme digitalisé. Derrière ce que l’on appelle parfois un peu rapidement « l’ingénierie pédagogique », on trouve en réalité plusieurs expertises : analyser un référentiel, structurer un parcours, scénariser les apprentissages, rédiger des contenus, vérifier leur justesse métier, challenger les choix pédagogiques ou encore questionner l’expérience vécue par l’apprenant. L’IA est déjà capable d’intervenir sur certaines de ces activités, très efficacement parfois. Mais elle peine encore à reproduire l’expérience du terrain, les implicites métier ou la capacité d’un expert à reconnaître instantanément une formulation juste. Cette expérimentation me fait donc réfléchir à ce que pourrait être demain un véritable modèle d’IA dédié à la conception pédagogique. Non pas une IA unique censée tout faire, mais un ensemble d’agents spécialisés capables de collaborer : l’un pour l’ingénierie pédagogique, un autre pour le regard formateur, un troisième pour la validation métier, voire un dernier pour simuler le regard d’un apprenant… Je pensais évaluer les performances de l’IA. J’ai surtout découvert, en creux, ce que nos experts et ingénieurs pédagogiques faisaient déjà et que nous ne voyions plus. Finalement, l’enjeu n’est peut-être plus de demander à l’IA de faire notre travail, mais d’apprendre à modéliser nos expertises pour mieux travailler ensemble.